一種去除視頻孤立噪聲點的方法
2023-09-19 07:11:10 1
專利名稱：一種去除視頻孤立噪聲點的方法
技術領域：
本發明涉及一種去除視頻孤立噪聲點的方法，尤其針對視頻圖像中存在的孤立點椒鹽噪聲。
背景技術：
在視頻系統中，由於現階段絕大部分的電視信號源仍然是模擬信號源，模擬信號在記錄、攝製、傳輸過程中，由於受到所使用的器件和傳輸通道的限制，經常會受到一些噪聲的幹擾，其中包含隨機噪聲，脈衝噪聲，椒鹽噪聲等，這些噪聲的存在嚴重影響了圖像的視覺效果，因此去除噪聲是視頻圖像處理中一個非常重要的環節。
目前的去除噪聲的方法一般有兩種，一是進行空間域濾波，二是進行頻率域濾波。典型的空間濾波器包括均值濾波器，中值濾波器，低通濾波器，多圖像濾波法；典型的頻率域濾波器有基於小波變換的圖像去噪方法。其中，所述的多圖像濾波法是一種目前比較通用的方法，但是其需要較多的視頻圖像幀處理器，硬體實現的代價比較大。而其他大部分的去噪方法都有個共同的缺點，就是處理後會使視頻圖像變得模糊，是以犧牲圖像的清晰度為代價的。
根據不同類型的噪聲的特點，通常需要採取不同的處理方法。如線性濾波方法主要是基於均值操作，其對象是高斯白噪聲，而非線性濾波方法主要是中值濾波，主要針對椒鹽噪聲。這些濾波技術都存在模糊邊緣的缺點，且沒有利用到像素之間的相關性信息。
發明內容
本發明提供的一種去除視頻孤立噪聲點的方法，簡單易行，針對視頻圖像中存在的孤立點椒鹽噪聲進行去噪處理，在去噪的同時保護圖像的細節，保持圖像的清晰度，使圖像不因去噪而變得模糊。
為了達到上述目的，本發明提供了一種去除視頻孤立噪聲點的方法，包括以下步驟步驟1、計算視頻圖像的亮度圖f(i，j)，其中，i和j分別表示當前點像素在圖像中所處的行列位置；步驟2、使用低通濾波器對圖像亮度圖f(i，j)進行低通濾波，得到圖像亮度圖的低頻部分fL(i，j)；並計算圖像亮度圖的高頻部分fH(i，j)fH(i，j)＝f(i，j)-fL(i，j)；步驟3、按順序識別圖像各像素點的性質，包括小幅高頻噪聲、非邊界噪聲、孤立噪聲點和圖像有用信號，並作相應處理步驟3.1、選取一個以當前像素點為中心的，大小為N*N的統計模板，其中，N是大於1的奇整數；步驟3.2、識別當前像素是否是小幅高頻噪聲，並對其作相應處理步驟3.2.1、對當前像素亮度的高頻部分fH(i，j)進行比較判斷若0＜|fH(i，j)|≤T1，其中，T1是預先設定的閾值，則認為該像素點為小幅高頻噪聲，繼續執行步驟3.2.2；若|fH(i，j)|＞T1，則跳轉執行步驟3.3；步驟3.2.2、令w(i，j)＝1，其中，w為權值，決定該像素點是否參與小幅高頻噪聲的均值計算；步驟3.2.3、對當前屬於小幅高頻噪聲的像素點的亮度值重新賦值，用N*N-1鄰域中不是邊緣的點加權平均，得到輸出值fden(i,j)=l=-kkm=-kkf(i+l,j+m)*w(i+l,j+m)*H(i+l,j+m)l=-kkm=-kkw(i+l,j+m)]]>其中，H是一低通濾波器模板，k＝(N-1)/2；這樣處理可避免將鄰域中的邊界點值混合進來，造成圖像模糊；步驟3.3、識別當前像素是否是非邊界噪聲，並對其作相應處理，所述的非邊界噪聲的高頻分量很高，但不連續；步驟3.3.1、由於當前像素點|fH(i，j)|＞T1，在以該點為中心的N*N的統計模板內，統計|fH(i，j)|＞T1的像素點的個數n；若n＜T2，T2是預先設定的N*N鄰域邊界像素點數的閾值，則認為當前像素點為非邊界噪聲，繼續執行步驟3.3.2；若n≥T2，則跳轉執行步驟3.4；
步驟3.3.2、令w(i，j)＝0，其中，w為權值，決定該像素點是否參與非邊界噪聲的均值計算；步驟3.3.3、對當前屬於非邊界噪聲的像素點的亮度值重新賦值，用N*N-1鄰域中的非邊界噪聲像素點的值平均得到對該噪聲點去噪後的新值，得到輸出值fden(i,j)=l=-kkm=-kkf(i+l,j+m)*w(i+l,j+m)l=-kkm=-kkw(i+l,j+m);]]>其中，k＝(N-1)/2；步驟3.4、識別當前像素是否是孤立噪聲點，並對其作相應處理，所述的孤立噪聲點的高頻分量遠遠大於以它為中心的N*N鄰域的高頻分量，且由於該孤立噪聲點的影響，該N*N鄰域的高頻分量也相應較大；步驟3.4.1、判斷|fH(i，j)-max_f(i，j)|＞T3是否成立，其中，T3是預先設定的閾值；若成立，則說明在以當前像素點為中心的N*N鄰域模板內只有當前像素點這一個孤立噪聲點，跳轉執行步驟3.4.3；若不成立，則執行步驟3.4.2；步驟3.4.2、判斷|fH(i，j)-max_f(i，j)|≤T3|fH(i，j)-sec_f(i，j)|＞T3是否成立，其中，max_f(i，j)是以當前像素點為中心的N*N-1鄰域內的像素點高頻分量絕對值的最大值，sec_f(i，j)是以當前像素點為中心的N*N-1鄰域內的像素點的高頻分量絕對值的第二大值；若成立，則說明在以當前像素點為中心的N*N鄰域模板內，除了當前像素點是孤立噪聲點，還存在另外的一個孤立噪聲點，執行步驟3.4.3；若不成立，則說明當前像素點不屬於孤立噪聲點，則執行步驟3.5；步驟3.4.3、對當前為孤立噪聲的像素點的亮度值重新賦值，得到輸出值fden(i,j)=l=-kkm=-kkf(i+l,j+m)N*N-1;]]>其中，k＝(N-1)/2；l和m不同時為0；步驟3.5、當前像素點不屬於噪聲點，屬於圖像邊界或細節信息，保留輸入的原值，並直接輸出。
步驟1中，所述的亮度可以是YUV模型中的Y，或者是HSV模型中的V，或者是HIS模型中的I，或者是其他合理的亮度公式推導出的亮度。
步驟3中，可按先行後列，或先列後行的順序遍歷到圖像的所有像素，對其進行識別和去噪處理。
步驟3.4.1中，所述的T3的值在14～24之間。
本發明提供的去除視頻孤立噪聲點的方法，針對噪聲的特點，應用像素間的相關信息，對圖像進行分類，分別針對孤立噪聲、非邊界噪聲和小幅高頻噪聲的不同特性，採用不同的處理方法，去除噪聲的效果良好，同時，在去除噪聲的基礎上，最大程度的保留了圖像的細節和邊緣的清晰度，使圖像不因去噪而變得模糊。
圖1為本發明提供的去除視頻孤立噪聲點的方法的原理框圖；圖2為本發明提供的3*3鄰域模板中孤立噪聲點的位置示意圖；圖3為本發明提供的3*3鄰域模板中孤立噪聲點的另一種位置示意圖；圖4為本發明提供的去除視頻孤立噪聲點的方法的步驟框圖；圖5為本發明提供的去除視頻孤立噪聲點的方法的流程圖。
具體實施例方式
以下根據圖1～圖5具體說明本發明的最佳實施方式如圖1、圖4和圖5所示，本發明提供了一種去除視頻孤立噪聲點的方法，包括以下步驟步驟1、計算視頻圖像的亮度圖f(i，j)，其中，i和j分別表示當前點像素在圖像中所處的行列位置；步驟2、使用低通濾波器對圖像亮度圖f(i，j)進行低通濾波，得到圖像亮度圖的低頻部分fL(i，j)；並計算圖像亮度圖的高頻部分fH(i，j)fH(i，j)＝f(i，j)-fL(i，j)；步驟3、按順序識別圖像各像素點的性質，包括小幅高頻噪聲、非邊界噪聲、孤立噪聲點和圖像有用信號，並作相應處理步驟3.1、選取一個以當前像素點為中心的，大小為3*3的統計模板；步驟3.2、識別當前像素是否是小幅高頻噪聲，並對其作相應處理
步驟3.2.1、對當前像素亮度的高頻部分fH(i，j)進行比較判斷若0＜|fH(i，j)|≤T1，其中，T1是預先設定的閾值，則認為該像素點為小幅高頻噪聲，繼續執行步驟3.2.2；若|fH(i，j)|＞T1，則跳轉執行步驟3.3；步驟3.2.2、令w(i，j)＝1，其中，w為權值，決定該像素點是否參與小幅高頻噪聲的均值計算；步驟3.2.3、對當前屬於小幅高頻噪聲的像素點的亮度值重新賦值，用N*N-1鄰域中不是邊緣的點加權平均，得到輸出值fden(i,j)=l=-kkm=-kkf(i+l,j+m)*w(i+l,j+m)*H(i+l,j+m)l=-kkm=-kkw(i+l,j+m)]]>其中，H是一低通濾波器模板，k＝(3-1)/2＝1；這樣處理可避免將鄰域中的邊界點值混合進來，造成圖像模糊；步驟3.3、識別當前像素是否是非邊界噪聲，並對其作相應處理，所述的非邊界噪聲的高頻分量很高，但不連續；步驟3.3.1、由於當前像素點|fH(i，j)|＞T1，在以該點為中心的3*3的統計模板內，統計|fH(i，j)|＞T1的像素點的個數n；若n＜T2，T2是預先設定的3*3鄰域邊界像素點數的閾值，則認為當前像素點為非邊界噪聲，繼續執行步驟3.3.2；若n≥T2，則跳轉執行步驟3.4；步驟3.3.2、令w(i，j)＝0，其中，w為權值，決定該像素點是否參與非邊界噪聲的均值計算；步驟3.3.3、對當前屬於非邊界噪聲的像素點的亮度值重新賦值，用N*N-1鄰域中的非邊界噪聲像素點的值平均得到對該噪聲點去噪後的新值，得到輸出值fden(i,j)=l=-kkm=-kkf(i+l,j+m)*w(i+l,j+m)l=-kkm=-kkw(i+l,j+m);]]>其中，k＝(3-1)/2＝1；步驟3.4、識別當前像素是否是孤立噪聲點，並對其作相應處理，所述的孤立噪聲點的高頻分量遠遠大於以它為中心的3*3鄰域的高頻分量，且由於該孤立噪聲點的影響，該3*3鄰域的高頻分量也相應較大；步驟3.4.1、判斷|fH(i，j)-max_f(i，j)|＞T3是否成立，其中，T3是預先設定的閾值；若成立，則說明在以當前像素點A為中心的3*3鄰域模板內只有當前像素點A這一個孤立噪聲點，請參見圖2，跳轉執行步驟3.4.3；若不成立，則執行步驟3.4.2；步驟3.4.2、判斷|fH(i，j)-max_f(i，j)|≤T3|fH(i，j)-secf(i，j)|＞T3是否成立，其中，max_f(i，j)是以當前像素點為中心的8鄰域內的像素點的高頻分量絕對值的最大值，sec_f(i，j)是以當前像素點為中心的8鄰域內的像素點的高頻分量絕對值的第二大值；若成立，則說明在以當前像素點A為中心的3*3模板內，除了當前像素點A是孤立噪聲點，還存在另外的一個孤立噪聲點B，請參見圖3，此時該鄰域的中心點A的高頻分量不一定高於B點的高頻分量絕對值，但一定高於鄰域內其他七個像素點的高頻分量絕對值的最大值，則執行步驟3.4.3；若不成立，則說明當前像素點不屬於孤立噪聲點，則執行步驟3.5；步驟3.4.3、對當前屬於孤立噪聲的像素點的亮度值重新賦值，得到輸出值fden(i,j)=l=-kkm=-kkf(i+l,j+m)N*N-1;]]>其中，k＝(3-1)/2＝1；l和m不同時為0；步驟3.5、當前像素點不屬於噪聲點，屬於圖像邊界或細節信息，保留輸入的原值，並直接輸出。
步驟1中，所述的亮度可以是YUV模型中的Y，或者是HSV模型中的V，或者是HIS模型中的I，或者是其他合理的亮度公式推導出的亮度。
步驟3中，可按先行後列，或先列後行的順序遍歷到圖像的所有像素，對其進行識別和去噪處理。
步驟3.4.1中，所述的T3的值在14～24之間。
本發明提供的去除視頻孤立噪聲點的方法，針對噪聲的特點，應用像素間的相關信息，對圖像進行分類，分別針對孤立噪聲、非邊界噪聲和小幅高頻噪聲的不同特性，採用不同的處理方法，去除噪聲的效果良好，同時，在去除噪聲的基礎上，最大程度的保留了圖像的細節和邊緣的清晰度，使圖像不因去噪而變得模糊。
權利要求
1.一種去除視頻孤立噪聲點的方法，特徵在於，包括以下步驟步驟1、計算視頻圖像的亮度圖f(i，j)，其中，i和j分別表示當前點像素在圖像中所處的行列位置；步驟2、使用低通濾波器對圖像亮度圖f(i，j)進行低通濾波，得到圖像亮度圖的低頻部分fL(i，j)；並計算圖像亮度圖的高頻部分fH(i，j)fH(i，j)＝f(i，j)-fL(i，j)；步驟3、按順序識別圖像各像素點的性質，包括小幅高頻噪聲、非邊界噪聲、孤立噪聲點和圖像有用信號，並作相應處理步驟3.1、選取一個以當前像素點為中心的，大小為N*N的統計模板，其中，N是大於1的奇整數；步驟3.2、識別當前像素是否是小幅高頻噪聲，並對其作相應處理步驟3.2.1、對當前像素亮度的高頻部分fH(i，j)進行比較判斷若0＜|fH(i，j)|≤T1，其中，T1是預先設定的閾值，則認為該像素點為小幅高頻噪聲，繼續執行步驟3.2.2；若|fH(i，j)|＞T1，則跳轉執行步驟3.3；步驟3.2.2、令w(i，j)＝1，其中，w為權值；步驟3.2.3、對當前屬於小幅高頻噪聲的像素點的亮度值重新賦值，得到輸出值fden(i,j)=l=-kkm=-kkf(i+l,j+m)*w(i+l,j+m)*H(i+l,j+m)l=-kkm=-kkw(i+l,j+m);]]>其中，H是一低通濾波器模板，k＝(N-1)/2；步驟3.3、識別當前像素是否是非邊界噪聲，並對其作相應處理；步驟3.3.1、由於當前像素點|fH(i，j)|＞T1，在以該點為中心的N*N的統計模板內，統計|fH(i，j)|＞T1的像素點的個數n；若n＜T2，T2是預先設定的N*N鄰域邊界像素點數的閾值，則執行步驟3.3.2；若n≥T2，則跳轉執行步驟3.4；步驟3.3.2、令w(i，j)＝0，其中，w為權值；步驟3.3.3、對當前屬於非邊界噪聲的像素點的亮度值重新賦值，得到輸出值fden(i,j)=l=-kkm=-kkf(i+l,j+m)*w(i+l,j+m)l=-kkm=-kkw(i+l,j+m);]]>其中，k＝(N-1)/2；步驟3.4、識別當前像素是否是孤立噪聲點，並對其作相應處理步驟3.4.1、判斷|fH(i，j)-max_f(i，j)|＞T3是否成立，其中，T3是預先設定的閾值；若成立，則執行步驟3.4.3；若不成立，則執行步驟3.4.2；步驟3.4.2、判斷|fH(i，j)-max_f(i，j)|≤T3|fH(i，j)-sec_f(i，j)|＞T3是否成立，其中，max_f(i，j)是以當前像素點為中心的N*N-1鄰域內的像素點高頻分量絕對值的最大值，sec_f(i，j)是以當前像素點為中心的N*N-1鄰域內的像素點的高頻分量絕對值的第二大值；若成立，則執行步驟3.4.3；若不成立，則說明當前像素點不屬於孤立噪聲點，執行步驟3.5；步驟3.4.3、對當前為孤立噪聲的像素點的亮度值重新賦值，得到輸出值fden(i,j)=l=-kkm=-kkf(i+l,j+m)N*N-1;]]>步驟3.5、當前像素點不屬於噪聲點，屬於圖像邊界或細節信息，保留輸入的原值，並直接輸出。
2.如權利要求1所述的去除視頻孤立噪聲點的方法，其特徵在於，步驟1中，所述的亮度可以是YUV模型中的Y，或者是HSV模型中的V，或者是HIS模型中的I，或者是其他合理的亮度公式推導出的亮度。
3.如權利要求1所述的去除視頻孤立噪聲點的方法，其特徵在於，所述的T3的值在14～24之間。
4.如權利要求1所述的去除視頻孤立噪聲點的方法，其特徵在於，步驟3中，可按先行後列，或先列後行的順序遍歷到圖像的所有像素，對其進行識別和去噪處理。
全文摘要
本發明提供了一種去除視頻孤立噪聲點的方法，其包含以下步驟1.根據輸入的圖像，計算亮度圖；2.對圖像亮度圖進行分頻，得到高頻部分和低頻部分；3.按順序識別圖像各像素點的性質，包括小幅高頻噪聲、非邊界噪聲、孤立噪聲點和圖像有用信號，並對其作相應的去噪處理。本發明提供的去除視頻孤立噪聲點的方法，針對噪聲的特點，應用像素間的相關信息，對圖像進行分類，分別針對孤立噪聲、非邊界噪聲和小幅高頻噪聲的不同特性，採用不同的處理方法，去除噪聲的效果良好，同時，在去除噪聲的基礎上，最大程度的保留了圖像的細節和邊緣的清晰度，使圖像不因去噪而變得模糊。
文檔編號H04N5/21GK1761285SQ20051002963
公開日2006年4月19日 申請日期2005年9月14日 優先權日2005年9月14日
發明者袁野, 侯鋼, 王國中 申請人:上海廣電(集團)有限公司中央研究院